深度学习在胸部CT图像分割中的应用
发布时间：2021-01-03 05:38
随着医学影像学和计算机技术的不断快速发展,利用计算机技术对临床影像数据进行分析提高了疾病预防与治疗成功的概率。在胸部疾病的诊断与检测中,计算机断层扫描（CT）使用最为普遍。由于CT能够为胸部的各个器官或组织提供高分辨率的扫描图像,所以充分利用CT扫描图像对于胸部疾病的检测非常重要,比如肺癌、肺结节等疾病。在计算机辅助诊断系统中,精准的胸部CT扫描图片的分割是后续胸部功能分析和三维图像重建的基础和前提。精准的分割不仅可以增加疾病诊断的准确性,还能减少后续无关计算的时间。胸部CT图像的精准分割有两个目标,其一是利用胸部CT图像的分割提高计算机辅助诊断的发展,其二是能够对胸部的器官实现完整的分割,因为当胸部的器官发生病变或者畸形时,其CT图像会有一些异常,这时需要分割算法能够完整地分割出器官。医学图像分割有很多常用的方法,比如基于区域的方法,基于边缘的方法,基于特殊理论的方法,由于医学图像的灰度不均匀、个体差异大、伪影和噪声大等特点,这些图像分割方法都会有一些局限性,很难在达到要求的灵敏度和准确度的情况下分割出胸部的各个器官。本文针对胸部CT图像分割中存在的一些难点,结合了最近方兴未艾的深度...
【文章来源】：南京邮电大学江苏省
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
专用术语注释表
第一章 绪论
1.1 课题背景和意义
1.2 国内外研究现状
1.2.1 计算机辅助诊断系统的研究现状
1.2.2 胸部CT图像区域分割算法的研究现状
1.3 本文研究内容
第二章 医学图像分割概述
2.1 CT图像相关知识
2.1.1 CT成像原理
2.1.2 CT成像过程
2.1.3 CT影像特点
2.2 医学图像分割的定义
2.3 常用的医学图像分割方法
2.3.1 基于区域的分割方法
2.3.2 基于边缘的图像分割方法
2.3.3 基于特定理论的图像分割方法
2.4 本章小结
第三章 基于卷积神经网络的胸部CT图像分割
3.1 概述
3.2 卷积神经网络的设计
3.2.1 模型概述
3.2.2 卷积层的设计
3.2.3 全连接层的设计
3.2.4 Softmax层的设计
3.3 防止过拟合
3.3.1 数据增强
3.3.2 随机失活
3.4 模型的实验
3.4.1 Caffe平台
3.4.2 实验数据的准备
3.4.3 卷积神经网络训练测试方法
3.4.4 评判准则
3.4.5 对比实验设定
3.4.6 设置训练参数
3.4.7 训练卷积神经网络
3.5 实验结果分析
3.6 本章小结
第四章 基于端对端神经网络的胸部CT图像分割
4.1 概述
4.2 端对端神经网络的设计
4.2.1 模型概述
4.2.2 全连接层的更改
4.2.3 反卷积层的设计
4.2.4 整体网络结构
4.3 模型的实验
4.3.1 实验软件及硬件环境
4.3.2 胸部CT分割的具体实现步骤
4.3.3 实验数据的准备与获取
4.3.4 评判准则
4.3.5 参数的设置
4.3.6 对比实验算法
4.3.7 模型的训练
4.4 实验结果分析
4.4.1 实验结果
4.4.2 特征可视化
4.5 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
附录1 攻读硕士学位期间撰写的论文
致谢
【参考文献】：
期刊论文
[1]Scatter correction for cone-beam computed tomography using self-adaptive scatter kernel superposition[J]. 谢世朋,罗立名. 中国物理C. 2012(06)
[2]基于肺部CT序列图像的肺实质三维分割[J]. 任彦华,聂生东. 中国医学物理学杂志. 2010(03)
[3]一种改进的交互式CT胸部图像肺实质分割方法[J]. 孟琭,赵宏. 小型微型计算机系统. 2010(02)
[4]基于MITK的医学图像三维重建方法研究[J]. 柳渊,严汉民. 中国医疗设备. 2009(01)
[5]改进的熵最小方法用于MRI偏差场的校正[J]. 刘军伟,李传富,吴欢,冯焕清,熊进. 中国生物医学工程学报. 2008(06)
[6]基于CT图像的自动肺实质分割方法[J]. 贾同,孟琭,赵大哲,王旭. 东北大学学报(自然科学版). 2008(07)
[7]基于主动轮廓模型和水平集方法的图像分割技术[J]. 罗红根,朱利民,丁汉. 中国图象图形学报. 2006(03)
[8]经典边缘提取方法在医学图像中的应用[J]. 刘其涛. 生命科学仪器. 2005(05)
[9]图像分割在生物医学工程中的应用[J]. 罗渝兰,王景熙,郑昌琼. 计算机应用. 2002(08)
硕士论文
[1]图像分割的理论、方法及应用[D]. 高秀娟.吉林大学 2006
本文编号：2954422
【文章来源】：南京邮电大学江苏省
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
专用术语注释表
第一章 绪论
1.1 课题背景和意义
1.2 国内外研究现状
1.2.1 计算机辅助诊断系统的研究现状
1.2.2 胸部CT图像区域分割算法的研究现状
1.3 本文研究内容
第二章 医学图像分割概述
2.1 CT图像相关知识
2.1.1 CT成像原理
2.1.2 CT成像过程
2.1.3 CT影像特点
2.2 医学图像分割的定义
2.3 常用的医学图像分割方法
2.3.1 基于区域的分割方法
2.3.2 基于边缘的图像分割方法
2.3.3 基于特定理论的图像分割方法
2.4 本章小结
第三章 基于卷积神经网络的胸部CT图像分割
3.1 概述
3.2 卷积神经网络的设计
3.2.1 模型概述
3.2.2 卷积层的设计
3.2.3 全连接层的设计
3.2.4 Softmax层的设计
3.3 防止过拟合
3.3.1 数据增强
3.3.2 随机失活
3.4 模型的实验
3.4.1 Caffe平台
3.4.2 实验数据的准备
3.4.3 卷积神经网络训练测试方法
3.4.4 评判准则
3.4.5 对比实验设定
3.4.6 设置训练参数
3.4.7 训练卷积神经网络
3.5 实验结果分析
3.6 本章小结
第四章 基于端对端神经网络的胸部CT图像分割
4.1 概述
4.2 端对端神经网络的设计
4.2.1 模型概述
4.2.2 全连接层的更改
4.2.3 反卷积层的设计
4.2.4 整体网络结构
4.3 模型的实验
4.3.1 实验软件及硬件环境
4.3.2 胸部CT分割的具体实现步骤
4.3.3 实验数据的准备与获取
4.3.4 评判准则
4.3.5 参数的设置
4.3.6 对比实验算法
4.3.7 模型的训练
4.4 实验结果分析
4.4.1 实验结果
4.4.2 特征可视化
4.5 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
附录1 攻读硕士学位期间撰写的论文
致谢
【参考文献】：
期刊论文
[1]Scatter correction for cone-beam computed tomography using self-adaptive scatter kernel superposition[J]. 谢世朋,罗立名. 中国物理C. 2012(06)
[2]基于肺部CT序列图像的肺实质三维分割[J]. 任彦华,聂生东. 中国医学物理学杂志. 2010(03)
[3]一种改进的交互式CT胸部图像肺实质分割方法[J]. 孟琭,赵宏. 小型微型计算机系统. 2010(02)
[4]基于MITK的医学图像三维重建方法研究[J]. 柳渊,严汉民. 中国医疗设备. 2009(01)
[5]改进的熵最小方法用于MRI偏差场的校正[J]. 刘军伟,李传富,吴欢,冯焕清,熊进. 中国生物医学工程学报. 2008(06)
[6]基于CT图像的自动肺实质分割方法[J]. 贾同,孟琭,赵大哲,王旭. 东北大学学报(自然科学版). 2008(07)
[7]基于主动轮廓模型和水平集方法的图像分割技术[J]. 罗红根,朱利民,丁汉. 中国图象图形学报. 2006(03)
[8]经典边缘提取方法在医学图像中的应用[J]. 刘其涛. 生命科学仪器. 2005(05)
[9]图像分割在生物医学工程中的应用[J]. 罗渝兰,王景熙,郑昌琼. 计算机应用. 2002(08)
硕士论文
[1]图像分割的理论、方法及应用[D]. 高秀娟.吉林大学 2006
本文编号：2954422
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2954422.html
